Aplicações da Expansão de
Edgeworth à Precificação de
Derivativos Financeiros
Ruy Gabriel Balieiro Filho - FEA/USP e-mail: ruybalieiro@uol.com.br
Rogério Rosenfeld - Instituto de Física Teórica/Unesp e-mail: rosenfel@ift.unesp.br
Í
NDICE
A
NALÍTICO
1)
I
NTRODUÇÃOPG 8
2)
A
ANÁLISE DEB
LACK-S
CHOLESPG 9
2.1-A PRECIFICAÇÃO NEUTRA AO RISCO PG 14
2.2-O VIÉS DO MODELO PG 16
3)
A
EXPANSÃO DEE
DGEWORTH PG 214)
A
EXPANSÃO DEE
DGEWORTH E A PRECIFICAÇÃO DE OPÇÕES PG 284.1-A EXPANSÃO DE EDGEWORTH E O MODELO DE PRECIFICAÇÃO NEUTRA AO RISCO PG 28
4.2-A ÁRVORE BINOMIAL DE EDGEWORTH PG 34
5)
R
ESULTADOS EMPÍRICOSPG 36
5.1– OSMILE DA VOLATILIDADE PG 38
5.1.1–SMILE PARA OPÇÕES DE DÓLAR PG 40
5.1.2–SMILE PARA OPÇÕES DE S&P PG 42
5.2–TESTE DE ERRO DE REBALANCEAMENTO PG 44
6)
C
ONCLUSÃOPG 50
7)
A
PÊNDICES PG 52Í
NDICE DE TABELAS
Tabela 1 - Erro de rebalanceamento. Smile obtido em 22-maio pg 46
Tabela 2 - Erro de rebalanceamento. Smile obtido em 23-maio pg 47
Tabela 3 - Erro de rebalanceamento. Smile obtido em 31-maio pg 47
Tabela 4 - Erro de rebalanceamento. Smile obtido em 05-junho pg 47
Tabela 5 - Erro de rebalanceamento para certeira de opções. Smile obtido em 22-maio
pg 48
Tabela 6 - Erro de rebalanceamento para certeira de opções. Smile obtido em 23-maio
pg 48
Tabela 7 - Erro de rebalanceamento para certeira de opções. Smile obtido em 31-maio
pg 49
Tabela 8 - Erro de rebalanceamento para certeira de opções. Smile obtido em 05-junho
pg 49
Í
NDICE DE
F
IGURAS
Figura 1 - Comparação entre densidades de probabilidade pg 17
Figura 2 - Comparação de curvas de Smile pg 19
Figura 4 - Comparação entre smile de Edgeworth e Black para opções de dólar com
vencimento em 56 dias pg 40
Figura 5 - Comparação entre smile de Edgeworth e Black para opções de dólar com
vencimento em 117 dias pg 41
Figura 6 - Comparação entre smile de Edgeworth e Black para opções de dólar com
vencimento em 299 dias pg 41
Figura 7 - Comparação entre smile de Edgeworth e Black para opções de índice S&P
com vencimento em 42 dias pg 42
Figura 8 - Comparação entre smile de Edgeworth e Black para opções de índice S&P
com vencimento em 168 dias pg 43
Figura 9 - Comparação entre smile de Edgeworth e Black para opções de índice S&P
com vencimento em 259 dias pg 43
1.I
NTRODUÇÃO
O mercado financeiro global vem passando por um processo de integração nos últimos
anos que tem aumentado sua importância nas decisões econômicas tomadas por países e
empresas. Dentro deste processo de globalização financeira e juntamente com a maior pressão
de alguns países desenvolvidos para que as nações abram suas economias ao comércio
exterior, as políticas macroeconômicas tem cada vez mais que levar em conta os fluxos e
expectativas deste mercado financeiro global. No âmbito microeconômico, a grande
flexibilidade e sofisticada engenharia dos mercados de capitais tem provido instrumentos
financeiros de financiamento e de hedge1 que proporcionam uma administração financeira
mais eficiente para as firmas.
Neste contexto, o mercado de derivativos financeiros é provavelmente a parte que mais
cresceu em termos de sofisticação e negócios realizados deste mercado de capitais global.
Apesar de existirem deste a antiguidade2, os mercados de futuros e opções sobre ativos
financeiros apresentaram um grande crescimento a partir de meados da década de oitenta.
Cada vez mais hedgers, especuladores e arbitradores usam estes mercados para assumirem
posições, diminuírem o risco de suas carteiras ou atacar uma política econômica que
consideram equivocada. Com este rápido aumento de negócios realizados, aumentou também
a demanda por modelos que precificassem3 corretamente estes derivativos, o que de forma
alguma pode ser caracterizado como um processo trivial. O modelo de precificação de opções
desenvolvido por F. Black e M. Scholes é o mais difundido e usado pelos agente econômicos,
mesmo sabendo que este apresenta algumas deficiências4.
Neste contexto, estamos propondo um modelo alternativo para a precificação de
opções baseado na expansão de Edgeworth com o principal intuito de corrigir estas
deficiências.
2.
A
A
NÁLISE DE
B
LACK
-S
CHOLES
O modelo desenvolvido por Fischer Black e Myron Scholes no início dos anos 70
representou um grande avanço na moderna teoria de precificação de derivativos financeiros. A
sua facilidade de implementação aliada aos poderosos resultados tanto na determinação de
preços de opções quanto de seus parâmetros de hedge5, fizeram do modelo de Black-Scholes
um dos mais bem sucedidos da teoria das finanças. Além disso, possibilitou que as instituições
financeiras usassem o mercado de opções com muito mais frequência e segurança, o que
3 Dada a falta de um termo mais adequado, usaremos a palavra precificação quando nos referirmos ao cálculo do preço de um ativo ou derivativo qualquer.
4 Estudos empíricos mostram que o preço de opções previsto no modelo de Black-Scholes é sistematicamente diferente do preço de mercado destas opções, ou seja, o modelo apresenta um viés.
acabou sendo determinante no sucesso e crescimento que este mercado experimentou desde
então.
Em termos gerais, uma opção pode ser definida como um contrato que garante ao
detentor o direito de comprar ou vender determinado ativo financeiro, a um preço K6 em uma
data futura T, contra o lançador da opção.
No caso de uma opção de compra, temos que seu valor no vencimento é dado pela
seguinte expressão:
C = Max (St-K, 0), onde K é o preço de exercício e St o valor do ativo-objeto no
vencimento da opção (t=T)7.
O ponto de partida do modelo de Black-Scholes é a hipótese de que o ativo financeiro8
que dá origem ao derivativo segue um processo browniano geométrico, ou seja, a evolução do
ativo no tempo obedece a seguinte equação diferencial estocástica:
dz S dt S
dS =
µ
+σ
onde, (1)S é o preço da ação;
µ
dt
representa a tendência determinística seguida pela ação no tempo9 e;σ
dz
representa a parte estocástica do movimento da ação, sendodz
um processo de Wiener10.
6 O preço K é definido com preço de exercício (strike price) da opção.
7 Quando usarmos o termo payoff no decorrer do trabalho estaremos nos referindo a esta expressão. 8 No trabalho original de Black-Scholes este ativo é uma ação que não paga dividendos.
9µ seria a taxa de retorno esperada para o ativo S com relação a uma medida de probabilidade.
Resolvendo a equação (1), temos a fórmula que descreve como o preço da ação (S) se
comporta com relação ao tempo:
+ −
= t
t S Exp t Z
S
µ
σ
σ
2 2
0 onde,
Zt é a realização de um processo de Wiener.
Esta nova equação impõe que o retorno da ação é uma variável aleatória que segue
uma distribuição normal, enquanto que o preço segue uma distribuição log-normal. Como
veremos adiante, esta hipótese está associada ao viés que o modelo apresenta quando testado
no mercado, uma vez que em geral, ações e outros ativos financeiros não seguem uma
distribuição log-normal.
Os autores continuam a análise procurando criar uma carteira de investimento (Π) que
tivesse uma dependência temporal determinística. Para tanto, escolhem uma composta de ∆
ações compradas e um derivativo V(S,t) vendido.
∆ − =V(S,t) S
π (2)
A variação desta carteira no tempo é dada pela seguinte equação:
∆ − =dV dS
dπ onde, (3)
2 2 2 ) ( 2 1 ) , ( dS S V ds S V dt t V t S dV ∂ ∂ + ∂ ∂ + ∂ ∂ = (4)
Onde ( )2 2 2 ( sup )
dt em erior ordem de termos dt S
dS = σ +
Logo, temos que:
dt S S V dS S V dt t V t S
dV 2 2 2
2 2 1 ) , ( σ ∂ ∂ + ∂ ∂ + ∂ ∂ = (5)
Vale colocarmos duas notas técnicas a respeito da equação (5):
a) A expansão em (5) deve seguir até termos de segunda ordem (
d
S)2 , pois sabemos pelo lema de Itô que (dz)
2 é da ordem ded
t e portanto precisa entrar na equação (5).b) Como estamos tomando
d
t como uma variação infinitesimal, podemos excluir todos os termos proporcionais a potências ded
t maiores do que um, por isso substituimos(dS)2 =S2σ2dt na equação (5).Substituindo (5) em (3) e reagrupando termos proporcionais a
d
t ed
S temos:dS S V dt S S V t V
d ) ( )
2 1
( 2 2
2 2 ∆ − ∂ ∂ + ∂ ∂ + ∂ ∂ =
σ
Nesta carteira, o único termo estocástico é
d
S, que como vimos é dado pela equação(1). No entanto, caso escolhamos
S V ∂ ∂ =
∆ temos que a variação da carteira no tempo se torna
determinística, uma vez que conhecemos todos os outros parâmetros e estes não são aleatórios
no tempo.
Neste caso, pela hipótese de estarmos trabalhando em mercados arbitrados, temos que
a valorização de Π no tempo deve ser a mesma da taxa de juros livre de risco (r), ou seja:
] [
0 Exp rt
t
π
π
= e,dt r
d
π
=π
(7)Igualando a equação (6) com (7) e escolhendo S V ∂ ∂ =
∆ temos a equação diferencial de
Black-Scholes:
0 2
1 2 2
2 2
= − ∂ ∂ + ∂
∂ + ∂ ∂
rV rS S V S
S V t
V
σ
(8)Esta equação diferencial deve ser obedecida pelas soluções de precificação de
derivativos financeiros. Dadas algumas condições de contorno, a solução desta equação resulta
2.1
A
P
RECIFICAÇÃON
EUTRA AO RISCOUm resultado do modelo de Black-Scholes que usaremos neste trabalho diz respeito à
teoria de precificação de derivativos que envolve a hipótese de neutralidade ao risco dos
agentes.
Na equação diferencial de Black-Scholes (equação 8) aparecem as seguintes variáveis:
preço do ativo-objeto, volatilidade do retorno do ativo-objeto, tempo e a taxa de juros livre de
risco. Nenhuma destas variáveis é afetada pela preferência a risco dos investidores, ou seja, a
equação diferencial é independente de preferências a risco11.
Neste caso, podemos assumir a hipótese de que todos os investidores são neutros ao
risco o que simplifica consideravelmente qualquer modelo de análise e precificação de
derivativos, uma vez que podemos assumir que os ativos se valorizam com a taxa de juros
livre de risco e que o valor presente de qualquer fluxo de caixa é o seu valor esperado, nesta
medida de probabilidade neutra ao risco, descontado a esta mesma taxa de juros livre de risco.
Nos modelos de opções que estamos trabalhando até agora podemos usar esta nova
ferramenta da seguinte forma: assumimos que o valor esperado do ativo-objeto no vencimento
da opção é igual a seu valor atual corrigido pela taxa de juros livre de risco; calculamos o
payoff esperado da opção no vencimento (uma vez que temos o valor esperado do ativo-objeto
nesta data); descontamos este payoff a valor presente usando a taxa livre de risco. Desta
maneira temos o preço da opção na data de hoje.
O payoff esperado neste mundo neutro ao risco é calculado com relação a uma
densidade de probabilidade específica chamada de densidade neutra ao risco ou state price
density. Esta por sua vez, se aplica tanto ao valor esperado da opção quanto ao valor esperado do ativo-objeto na data de vencimento da opção.
Seguindo esta metodologia, o valor de uma opção (V) e do ativo (S) seria dado pelas
seguintes fórmulas:
V0 = Exp[-r T] Eq[VT(ST)]
Eq[ST] = Exp[r T] S0 onde,
T é a data de vencimento da opção, E[X] é o valor esperado de X e q é a medida de
probabilidade a ser usada neste mundo neutro ao risco12.
Este é um engenhoso método para obtermos algumas soluções para a equação
diferencial de Black-Scholes e será fundamental quando estivermos usando a expansão de
Edgeworth para precificar opções. Vale lembrar que as soluções obtidas valem para qualquer
preferência a risco e não apenas para o mundo neutro ao risco13.
12 Como = − +
t
t S Exp t Z
S
µ
σ
σ
2 2
0 que fazemos é achar µ tal que a medida de probabilidade q seja
neutra ao risco.
13 Quando passamos para um mundo averso ao risco, por exemplo, teríamos que alterar duas coisas: o retorno esperado do ativo-objeto e a taxa de desconto para trazer o payoff a valor presente. Estas duas mudanças, no
2.2
O
VIÉS DO MODELOA análise de Black-Scholes tem por detrás inúmeras hipóteses acerca do
funcionamento do mercado. Entre elas estão: inexistência de custos de transação, as operações
financeiras podem ser realizadas continuamente no tempo, a taxa de juros livre de risco (r) e a
volatilidade do ativo-objeto (
σ
)
são consideradas constantes, não há problemas de liquidez e a distribuição de probabilidade dos retornos do ativo-objeto seria uma distribuição normal.Como dito anteriormente, esta última hipótese está associada ao viés do modelo e a sua
correção será o principal objetivo deste trabalho.
O viés pode ser explicado da seguinte forma: vamos supor que a state price density do
retorno do ativo-objeto é simétrica, mas possui curtose maior do que três14. Neste caso, a
fórmula de Black-Scholes estaria subestimando a probabilidade de ocorrer observações longe
da média (em desvios-padrões) e, consequentemente, o preço das opções in e
out-of-the-money. Por outro lado, o modelo sobrestimaria o preço das opções at-the-money15.
14 A distribuição normal é simétrica e seu parâmetro de curtose é igual a três. Segundo estudos empíricos, a distribuição de probabilidade dos retornos de uma ação é assimétrica à direita e possui coeficiente de curtose maior do que três, ou seja, possui caudas mais largas do que a distribuição normal.
15 Opções at-the-money são aquelas em que o strike price é o mesmo do preço de mercado do ativo-objeto. Opções in-the-money e out-of-the money são aquelas em que o strike price é maior ou menor que o preço atual do
Para exemplificar esta situação, comparamos no gráfico abaixo duas funções
densidades de probabilidade: z(x) uma densidade normal padronizada16 e g(x) uma densidade
padronizada, simétrica, mas com medida de curtose igual a 5,4 17. Podemos ver claramente as
caudas mais largas da função representada por g(x) em relação a z(x)18.
Figura 1 - Comparação entre densidades de probabilidade
16 Função densidade de probabilidade normal com média 0 e variância 1.
17 Esta densidade de probabilidade foi obtida a partir da expansão de Edgeworth, que será objeto de estudo dos próximos capítulos.
18 Ou seja, g(x) atribui maior probabilidade a eventos extremos do que z(x).
Comparação entre densidades de probabilidades
0 0,1 0,2 0,3 0,4 0,5
-3
-2,7 -2,4 -2,1 -1,8 -1,5 -1,2 -0,9 -0,6 -0,3 1,52
7E-1 5
0,3 0,6 0,9 1,2 1,5 1,8 2,1 2,4 2,7 3
Uma forma equivalente de analisarmos o viés do modelo de Black-Scholes está na
análise da volatilidade implícita19 contida no preço das opções observadas no mercado. Caso o
retorno do ativo-objeto obedecesse uma distribuição neutra ao risco normal, a volatilidade
implícita das opções out-of-the-money até as opções in-the-money seria constante20. No
entanto, o que se observa no mercado é que esta curva não é uma reta, mas que varia entre as
opções que tem um strike price abaixo do preço atual do ativo-objeto e aquelas que possuem
strike price acima do preço atual. Novamente, a razão para isto é a diferença entre a distribuição de probabilidade assumida pelo modelo e aquela observada de fato no mercado.
Como exemplo, podemos supor que a verdadeira state price density do ativo-objeto
seja dada por g(x). Neste caso, a curva da volatilidade implícita calculada através do modelo
de Black-Scholes se aproximaria de uma parábola (por isso o nome de smile da volatilidade),
sendo que a volatilidade das opções in-the-money e out-of-the-money seriam maiores e a
volatilidade das opções at-the-money menor do que aquela volatilidade constante prevista pelo
modelo. O gráfico a seguir reproduz esta situação21 e foi calculado da seguinte forma:
supomos g(x) a distribuição neutra a risco do ativo-objeto, calculamos o valor das opções com
diferentes preços de exercício através do modelo de Edgeworth e depois achamos a
volatilidade implícita que iguala o valor da opção calculado por Black-Scholes ao valor
19 O cálculo da volatilidade implícita é feito da seguinte forma: observa-se o preço de mercado de determinada opção e coloca-se este preço no modelo de Black-Scholes. Depois, resolvemos o modelo para descobrir qual a volatilidade usada para se chegar neste preço.
20 Obviamente para opções sobre o mesmo ativo-objeto e com mesma data de vencimento.
calculado por Edgewoth. Repetimos o processo assumindo z(x) como distribuição neutra a
risco do ativo-objeto.
Figura 2 - Comparação de curvas de Smile
A intuição deste resultado é que como a probabilidade do ativo-objeto apresentar
movimentos extremos é maior do que o modelo prevê, as opções com strike price distante do
preço atual do ativo-objeto devem ser mais caras (maior volatilidade) do que a calculado pelo
modelo.
Comparação de curvas de Smile
0,17 0,18 0,19 0,20 0,21 0,22 0,23 0,24 0,25
70 80 90 100 110 120 130 140 150
strike price
v
o
la
ti
li
d
a
d
e
a
a
Na verdade, como muitos autores e estudiosos do assunto já colocaram, a fórmula de
Black-Scholes acabou sendo usada pelo mercado como uma forma de transformar preços de
opções em volatilidades implícitas e vice-versa, e não como um modelo de precificação de
opções propriamente dito.
Apenas como motivação, lembraremos que este trabalho tem dois objetivos básicos:
usar a expansão de Edgeworth para obter uma distribuição de probabilidade mais adequada à
distribuição do ativo-objeto, corrigindo assim o problema do viés e do smile da volatilidade
implícita causado pelo modelo de Black-Scholes, além de testar a eficiência deste novo
modelo através de uma análise empírica comparativa entre a medida de delta gerada e o delta
3.
A
E
XPANSÃO DE
E
DGEWORTH
Nesta parte do trabalho tentaremos mostrar com maior detalhes técnicos como é
possível chegar à fórmula final da expansão de Edgeworth que usaremos na precificação de
opções22, ou seja, provaremos que:
) ( )) 15 45
15 (
72 ) 3 6 ( 24
3 )
3 ( 6 1 ( )
( 3 4 2 2 6 4 2
x z x
x x
x x k x x x
g = +
ξ
− + − − + +ξ
− + − (9)Onde: z(x) - Função densidade de probabilidade normal padronizada;
g(x) - Função densidade de probabilidade com curtose = k e assimetria = ξ23.
Supondo que {X1,X2,...,Xn} sejam variáveis aleatórias independentes e identicamente
distribuídas com média
µ
e variância finitaσ
2 temos que:=
=
n
i i
X
n
X
1
)
1
(
é um estimador não viesado de
µ
.
Sabemos ainda, usando o Teorema Central do Limite, que:
∞ → →
−
= n X N quando n Sn ( ) (0,1)
σ µ
No entanto, estaremos interessados em saber o que acontece com a distribuição de Sn
antes do limite assintótico, ou seja, antes de Sn se transformar em uma normal.
Faremos esta análise da aproximação de uma normal através da função característica,
que é definida por:
1 ]],
[ [ )
(t =E ExpitSn ondei= −
n
χ
Sabemos que quando n tende a infinito, a função característica da variável Sn converge
para a função característica da distribuição normal: −
2
2
t Exp .
Um outro resultado intermediário que usaremos é o seguinte:
n n
n t
t) { ( )}
(
χ
χ
= 24, ondeχ
é a função característica da variável aleatória) (
σ
µ
− = X YPara esta variável aleatória Y com função característica
χ
, temos que o j-ésimocumulante,
κ
j, de Y é definido como o coeficiente de it j j!( ) 1na expansão em uma série de
potências de Log
χ
(t):] ) ( ! 1 ) ( [ ) ( 2 2 2 1
1 + + + +
= j j it j it it Exp
t
κ
κ
κ
χ
Como a variável Y é centrada e padronizada, temos que E[Y] =
κ
1 = 0 eVar[Y]=
κ
2 = 1. Neste caso,] ) ( ! 1 ) ( ! 3 1 2 1 [ )
( 3 3 /2
5 . 1 2 + + + + −
= j j
j it j n it n t n Exp n
t
κ
κ
χ
Como n
n
n t
t) { ( )}
(
χ
χ
= , chegamos ao seguinte resultado:] ) ( ! 1 ) ( ! 3 1 2 1 [ ) ( 1 2 3 3
2 + + + +
− = − j j j n it j n it n t Exp
t
κ
κ
χ
Expandindo esta função em Taylor e fazendo algumas transformações, temos que:
] ) ( 1 ) ( 1 ) ( 1 1 [ ] 2 [ ) ( 2 2 1 2 + + + + + − = − it r n it r n it r n t Exp
t j j
n χ
onde
r
j é um polinômio dependente dos cumulantes. Parar
1 er
2 temos que:3 3
1 ( )
6 1 )
(it it
r =
κ
6 2 3 4
4
2 ( )
72 1 ) ( 24 1 )
(it it it
r =
κ
+κ
Logo, + − + − + − = ]] 2 [ ) ( 1 [ ]] 2 [ ) ( 1 [ ] 2 [ ) ( 2 2 2 1 2 t Exp it r n t Exp it r n t Exp t n
χ
Usando a transformada de Fourier inversa que nos dá a função densidade de
dt itx Exp t x
gn ) n( ) [ ]
2 1 ( ) ( = − ∞ ∞ −
χ
π
, onde g(x) é a densidade de probabilidade.Resolvendo esta integral desprezando os outros termos chegamos a densidade de
probabilidade g(x) dependente do terceiro e quarto cumulante:
) ( )) 15 45 15 ( 72 1 ) 3 6 ( 24 1 ) 3 ( 6 1 ( )
( 2 6 4 2
3 2 4 4 3 3 x z x x x x x x x x
g = +κ − + κ − + + κ − + −
Mais ainda, sabemos que existe a seguinte relação entre cumulantes e momentos:
3
3
µ
κ
= e 22 4
4
µ
3(µ
)κ
= − , ondeµ
r é o r-ésimo momento central.Definimos agora
α
3 eα
4 como medidas de assimetria e curtose respectivamente25,onde
α
r é dado por:2 2) ( ) ( r r r x −
=
µ
µ
α
Como z(x) é uma densidade normal padronizada, sabemos que
µ
2 = σ2 = 1.Substituindo os cumulantes pelas medidas de assimetria e curtose chegamos a fórmula
final igual à equação (9).
Com esta nova fórmula de g(x) temos uma função densidade de probabilidade que
pode ter sua assimetria e curtose calibradas para aproximar a distribuição neutra ao risco do
retorno de um ativo financeiro26, ou seja, como mostramos anteriormente, podemos aumentar
a curtose e modificar a assimetria da distribuição para usá-la na precificação da opção sobre
um ativo-objeto qualquer. Caso sejamos bem sucedidos esperamos corrigir o problema do viés
e do sorriso da volatilidade implícita observada no mercado.
Na expansão de Edgeworth, no entanto, não podemos usar qualquer valor para os
parâmetros de assimetria e curtose. Estudos posteriores mostram que existe um intervalo
destes parâmetros para que a expansão produza uma função sempre positiva (necessária para
que possa ser caracterizada como uma função densidade de probabilidade) e unimodal.
No gráfico abaixo, reproduzimos o estudo de Barton e Dennis27 que mostra os valores
de assimetria e curtose que podem ser usados na expansão de Edgeworth. Como podemos ver,
existe uma área que nos permite uma razoável flexibilidade para ajustar a expansão à
distribuição do ativo financeiro.
25
α
3 =ξ e
α
4 =κ.26 Vale lembrar que caso a assimetria seja igual a zero e curtose igual a três, a expansão nos dá a função densidade de probabilidade normal.
Figura 3 - Valores de curtose e assimetria no uso de g(x)
Valores de que permitem o uso de g(x) como uma densidade de probabilidade
-0,7 -0,6 -0,5 -0,4 -0,3 -0,2 -0,1 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7
3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 4,1 4,2 4,3 4,4 4,5 4,6 4,7 4,8 4,9 5 5,1 5,2 5,3 5,4 5,5
Curtose
A
s
s
im
e
tr
4.
A
E
XPANSÃO DE
E
DGEWORTH E A PRECIFICAÇÃO DE OPÇÕES
Tendo definido a expansão de Edgeworth, o próximo passo é aliar esta nova ferramenta
aos modelos de precificação de opções. Nesta etapa dividiremos o trabalho em dois tópicos: o
primeiro descreverá como podemos chegar a uma fórmula fechada para o preço de uma opção
de compra européia sobre uma ação sem dividendos aliando a expansão de Edgeworth com o
método de precificação neutra ao risco. No segundo tópico descreveremos uma solução
numérica que pode ser usada na precificação de algumas opções exóticas: a árvore binomial de
Edgeworth.
4.1
A
E
XPANSÃO DEE
DGEWORTH E O MODELO DEP
RECIFICAÇÃON
EUTRA AO RISCOA primeira mudança a ser feita no modelo proposto por Black-Scholes para que
possamos usar a expansão de Edgeworth na precificação de opções européias e tentar corrigir
o problema do viés, diz respeito à distribuição de probabilidade assumida para o ativo na data
distribuição normal. Neste caso, iremos alterar esta hipótese, propondo que o ativo siga uma
distribuição de Edgeworth.
O próximo passo é descobrir o valor de
µ
tal que a medida de probabilidade seja neutraao risco. Desta forma poderemos achar o valor esperado da ação na data de vencimento da
opção e depois calcular o valor hoje desta opção descontando a valor presente o seu payoff.
Como estamos assumindo um mundo neutro ao risco, sabemos que a ação deve se
valorizar no tempo de acordo com a taxa de juros livre de risco. Logo temos:
] [ )
(S S0Exp rt
Eq t = onde
,
E
q(S
t)
é o valor esperado do preço da ação no tempo t 28 na medida neutra ao risco(
q
),r
é a taxa de juros livre de risco eS
0 é o valor da ação hoje. Como estamos medindo o valor esperado de St, temos que:0
0 [ ] [ ]
) ( )
(S g x S Exp t t x dx Exp rt S
Eq t = + =
∞
∞ −
σ
µ
onde g(x) é a distribuição de Edgeworth dada pela equação 9.
Tirando
S
0Exp[
µ
t]
da integral e cancelandoS
0 dos dois lados da equação, temos:
] [ ] [ ) ( ]
[ t g x Exp t x dx Exp rt
Exp = ∞ ∞ − σ µ
Logo, podemos isolar
µ
t
da seguinte forma:dx x t Exp x g t r
t ln[ ( ) [ ]
∞ ∞ − − =
σ
µ
Resolvendo a integral entre colchetes, temos que:
∞ ∞ − = dx x t Exp x
g( ) [
σ
]] ) ( 72 1 ) ( 6 1 ) )( 3 ( 24 1 1 [ ] 2
[ 2 4 3 2 6
t t
t k
t
Exp σ + − σ + ξ σ + ξ σ
Com esta solução, chegamos ao valor final de
µ
t.
+ + − + − − = 6 2 3 4 2 ) ( 72 ) ( 6 ) ( 24 ) 3 ( 1 ln ) 2
(r t k t t t
t σ σ ξ σ ξ σ
µ (10)
Note que, para κ = 3 e ξ = 0 recuperamos o resultado usual de Black-Scholes,
) 2 ( σ2
Desta forma, podemos calcular o valor esperado de S na data de vencimento da opção29
e, consequentemente, o valor esperado do payoff da opção. Descontando este payoff a valor
presente pela taxa de juros livre de risco, temos o valor da opção na data inicial.
Para esta opção de compra européia que não paga dividendos temos que:
)] 0 , [max(
]
[ rt E S K
Exp
C= − q t − , onde:
C é o valor da opção na data inicial; K é o strike da opção;
E[max(St - K, 0)] é o payoff esperado desta opção na data de vencimento.
Usando os resultados até agora:
dx K x t t Exp S x
g t r Exp C
∞
∞ −
− +
−
= [ ] ( )max[ 0 [
µ
σ
] ,0]onde g(x) é a distribuição de Edgeworth e
µ
t
é dado pela equação 10.O valor mínimo de x a partir do qual o integrando é não nulo é definido por:
K x
t t
Exp
S0 [
µ
+σ
min ]=Resolvendo a equação anterior, temos que:
t t S
K
x
σ
µ
− =
) ln(
0 min
Ou seja, o valor final da opção de compra é dado pela seguinte equação:
∞
−
− +
− =
min
] ] [
[ ) ( ]
[ 0
X
dx K x t t
Exp S x g t r Exp
C µ σ
Um resultado interessante é que esta equação possui uma solução algébrica fechada, o
que nos permite calcular tanto o preço da opção quanto os parâmetros de sensibilidade de uma
forma exata30. A forma funcional desta equação está no apêndice II.
A esta altura é necessário esclarecermos alguns pontos relativos ao novo modelo
proposto. Em primeiro lugar, não sabemos exatamente como é o processo descrito no tempo
pelo ativo que nos dá uma distribuição de Edgeworth na data de vencimento da opção. Mais
ainda, não sabemos se este processo é realmente uma difusão, ou seja, um processo
markoviano definido por caminhos contínuos.
A literatura sobre o assunto é, no mínimo, confusa. Em seu famoso artigo de 1982 no
Journal of Financial Economics, Jarrow31 assume, mas não prova, que um ativo que segue
uma distribuição de Edgeworth a cada instante do tempo gera um processo difusivo. Em outro
artigo mais recente, Ait-Sahalia32 prova que não há nenhum modelo de difusão para o retorno
do ativo-objeto além daquele gerado por uma distribuição Gaussiana, citando inclusive a
expansão de Edgeworth e o artigo de Jarrow como improcedentes.
Nos parece correto então assumirmos que o processo gerado por um ativo que segue
uma distribuição de Edgeworth a cada instante do tempo não é uma difusão, mas um processo
que pode apresentar saltos. Neste caso, o principal problema do modelo diz respeito a não
conseguirmos gerar uma carteira livre de risco, ou seja, mesmo assumindo todas as outras
hipóteses do modelo de Black-Scholes, a menos da distribuição gaussiana para o ativo, não
conseguiríamos replicar perfeitamente o derivativo através de uma combinação do
ativo-objeto e de títulos livre de risco.
No entanto, podemos testar este novo modelo para saber se este é mais eficiente do que
o de Black-Scholes no hedge de opções quando analisado empiricamente. Para tanto, faremos
uma análise comparativa entre o erro de rebalanceamento de uma opção usando o delta gerado
pelo modelo de Black-Scholes e o delta gerado pelo modelo de Edgeworth.
31 Jarrow, R., Rudd, A. (1982) “Aproximate Option Valuation for Arbitrary Stochastic Process”. Journal of Financial Economics nº10, 347-369.
No mundo real sabemos que o delta de uma opção não pode ser rebalanceado
continuamente no tempo. Custos de transação e até os horários de funcionamento dos
mercados impedem este processo. Neste caso, faz pouca diferença o uso de um processo
difusivo na precificação de uma opção, visto que mesmo assim não conseguiríamos replicar o
derivativo através de uma carteira composta pelo ativo-objeto e por títulos de renda fixa. O
que testaremos então é se neste caso, o delta de Edgeworth é mais eficiente, ou seja, nos dá um
erro de rebalanceamento menor do que o delta tradicional de Black-Scholes.
4.2
A
Á
RVOREB
INOMIAL DEE
DGEWORTHComo colocamos anteriormente, o próximo passo do trabalho é desenvolver uma
ferramenta capaz de aliar a expansão de Edgeworth a métodos numéricos para que possamos
calcular o preço e os parâmetros de sensibilidade de opções americanas.
O que faremos a seguir é apresentar sucintamente o método desenvolvido por
Rubinstein33 para usar a expansão de Edgeworth na derivação de uma árvore binomial.
O primeiro passo consiste em discretizar a equação 9 transformando z(x) em uma
distribuição binomial padronizada34. Neste caso, g(x) será uma distribuição aproximada de
Edgeworth que, no entanto, em geral, não soma um.
Para solucionar o problema da aproximação, o autor re-escala as probabilidades g(x)
para que estas somem a um, o que acaba modificando a assimetria e curtose desejada na
expansão. No entanto, Rubinstein defende que esta diferença é desprezível, principalmente
quando temos n (número de passos na árvore) grande.
Em seguida, define-se o seguinte processo para o ativo:
] [
0Exp t x t
S
Sj =
µ
+σ
onde,x é uma variável aleatória com probabilidade dada pela função discreta g(x) e os outros
termos tem o significado usual.
A partir deste processo define-se Sj para todos os pontos finais da árvore,
construindo-se o restante desta de trás para frente usando o método das árvores implícitas também
desenvolvido por Rubinstein.35 Uma vez concluída, a árvore binomial pode ser usada da
maneira usual para precificar tanto opções européias como americanas, juntamente com seus
parâmetros de sensibilidade.
34 A fórmula da expansão de Edgeworth apresentada por Rubinstein contem um erro que não afeta numericamente os resultados.
5.
R
ESULTADOS
E
MPÍRICOS
Nesta última etapa procederemos com dois testes distintos para comparar o modelo de
precificação de Edgeworth com o modelo de Black36 para opções sobre futuros37: análise do
smile da volatilidade e comparação de erro de rebalanceamento de carteiras. Para tanto
usaremos dados sobre opções de compra de dólar futuro negociadas na BM&F38 e opções de
compra de índice de ações S&P39 negociadas na CME40.
Para explicar como os dados foram obtidos é necessário entender melhor como
funciona o mercado de opções de dólar negociados na BM&F. Neste mercado, os players41
negociam através de corretoras de valores opções de compra ou de venda de dólar futuro
padronizados da seguinte maneira:
- Cada contrato tem valor de face de USD 50.000,00;
- Os contratos vencem no primeiro dia útil de cada mês e em geral são negociados
contratos de até um ano de duração;
36 Black, F. (1976) “The Pricing of Commodity Contracts” Journal of Financial Economics, 3, 167-179. 37 Até então estávamos comparando o modelo de Edgeworth com o modelo tradicional de Black-Scholes, no entanto, como usaremos opções sobre contratos futuros para o teste empírico, o modelo de Black se torna mais apropriado para fazermos a comparação de resultados.
38 Bolsa de Mercadorias e Futuros. 39Standard and Poors.
40Chicago Mecantile Exchange.
- O ativo-objeto é o dólar futuro negociado para o mesmo vencimento do contrato de
opção42;
- O strike-price é medido em reais por mil dólares e a diferença entre os strikes são de
50 pontos43;
- As opções são liquidadas por diferença financeira, ou seja, no vencimento da opção
não existe a troca física entre as duas moedas. O preço de ajuste final é a PTAX 800 divulgada
pelo Banco Central no dia útil anterior ao vencimento das opções44.
- O prêmio em reais a ser pago por uma opção pode ser calculado da seguinte maneira:
prêmio = (preço da opção * quantidade de contratos * 50.000)/1000
No mercado de opções de dólar, as corretoras promovem todas as manhãs um call de
abertura de mercado com todos os players. Neste call, os negociadores apregoam preços de
compra e de venda para opções com diferentes strike prices e diferentes data de vencimento.
Desta forma é possível obter preços de opções desde as in-the-money até as out-of-the-money
para diferentes prazos de vencimento45.
42 Por exemplo: ao comprar contratos de opção de compra para vencimento em maio de 2003, pode-se negociar o contrato de dólar futuro para vencimento na mesma data como forma de se fazer o delta hedge.
43 Um strike price de 3000 indica uma taxa de câmbio de R$3 por dólar. Uma variação de 50 pontos para cima nos dá um strike de 3050 e para baixo de 2950.
44 O contrato de dólar futuro tem a mesma forma de liquidação das opções.
Todos os dados referentes a opções de dólar usados neste trabalho empírico foram
obtidos a partir dos preços finais de compra destas opções negociadas no call de abertura do
mercado.
Com relação as opções sobre o índice futuro S&P, o procedimento é um pouco mais
simples: a CME arbitra preços de fechamento para estas opções46, a partir da análise de todos
os negócios fechados durante o pregão. Estes preços estão disponíveis em agências de notícias
e dados financeiros como a Bloomberg e a Reuters47.
5.1
O
S
MILE DA VOLATILIDADESeguindo a lógica do modelo exposto, testaremos se com as novas fórmulas de
precificação de opções baseadas na expansão de Edgeworth conseguimos acabar com smile da
volatilidade, ou pelo menos suavizá-lo, visto que estaremos usando uma distribuição de
probabilidade neutra ao risco mais ajustada ao retorno do ativo-objeto.
46 Tendo como base o valor de fechamento do índice futuro.
O exercício será feito da seguinte forma: a partir dos dados obtidos, usaremos a
fórmula tradicional de Black48 para calcular a curva de volatilidade implícita destas opções de
diferentes strike prices. Posteriormente, repetiremos o cálculo da volatilidade implícita usando
a fórmula obtida a partir da expansão de Edgeworth para que possamos comparar as duas
curvas do smile.
Antes de usarmos o modelo de Edgeworth, no entanto, precisamos determinar o valor
dos parâmetros de curtose e assimetria. Estes serão calculados a partir da seguinte calibração
do modelo:
Mínimo Σ −
e e m
P P
P )2
(
, onde49:
(
σ
,
ξ
, k
)σ
,
ξ
, k
são os parâmetros de volatilidade implícita, assimetria e curtose; Pm é o preço da opção observada no mercado ePe é o preço da opção calculado com modelo de Edgeworth.
Definiremos também PBS como o preço da opção calculado com modelo de Black para
uso posterior.
Desta forma estaremos determinando assimetria (
ξ
)
e curtose(k)
de maneira que a soma quadrática ponderada do erro entre o preço de mercado e o preço do modelo sejaminimizado. Depois, fixaremos estes dois valores e variaremos o parâmetro de volatilidade
48 Para opções sobre contratos futuros.
implícita (
σ
)
para que Pm = Pe. Estes novos valores deσ
nos darão o smile da volatilidade domodelo de Edgeworth.
5.1.1 Smile para as opções de dólar
Os gráficos abaixo comparam as duas curvas de volatilidade implícita, ou seja, a curva
Figura 4 (assimetria = 0.6 curtose = 4.4 , vencimento da opções em 56 dias)
Figura 5 (assimetria = 0.6 curtose = 4.9, vencimento da opções em 117 dias)
1 5 ,0 % 1 6 ,5 % 1 8 ,0 % 1 9 ,5 % 2 1 ,0 % 2 2 ,5 %
-12, 9% -10, 6% -8,4 % -6,3 % -4,3 % -2,3 % -0,4 %
1,4% 3,2%
M o n e y n e s s
V o la ti lid a d e i m p lí c it a % a a
S m ile E d g e w o rth S m ile B S
1 5 ,0 % 1 6 ,5 % 1 8 ,0 % 1 9 ,5 % 2 1 ,0 % 2 2 ,5 %
-8,4 % -6,4 % -4,4 % -2,4 % -0,6 %
1,2% 3,0% 4,6% 6,3%
M o n e yn e s s
V o la ti lid a d e i m p lí c it a % a a
Figura 6 (assimetria = 0.6 curtose = 4.9, vencimento da opções em 299 dias)
Podemos notar que a curva
σ
e (smile Edgeworth) é mais suave do que a curva de smilecalculado com o modelo de Black, ou seja, temos um modelo que descreve melhor a
distribuição de probabilidade dos movimentos do ativo-objeto.
5.1.2 Smile para as opções S&P
Comparação das curvas de Smile
15,0% 16,5% 18,0% 19,5% 21,0% 22,5%
-9,7 %
-7,7 %
-5,8 %
-3,9 %
-2,0 %
-0,3 %
1,4% 3,1% 4,6%
Moneyness
V
o
la
til
id
a
d
e
im
p
líc
ita
%
a
a
Smile Edgew orth
Os gráficos abaixo sumarizam o mesmo estudo para as opções de compra baseadas no
índice de ações S&P.
Figura 7 (assimetria = -0.6 curtose = 4, vencimento da opções em 42 dias)
1 9 ,0 % 2 0 ,5 % 2 2 ,0 % 2 3 ,5 % 2 5 ,0 % 2 6 ,5 %
-4,3 %
-3,2 %
-1,6 %
-0,6 %
0,4% 1,4% 2,4% 3,3%
M on e yne s s
V
o
la
ti
lid
a
d
e
i
m
p
lí
c
it
a
%
a
a
Figura 8 (assimetria = -0.6 curtose = 4, vencimento da opções em 168 dias)
Figura 9 (assimetria = -0.6 curtose = 4, vencimento da opções em 259 dias)
1 9 ,0 % 2 0 ,5 % 2 2 ,0 % 2 3 ,5 % 2 5 ,0 % 2 6 ,5 %
-3,5 % -1,9 % -1,4 %
0,6% 3,0% 4,4% 5,3% 7,5%
M on e yne s s
V o la ti lid a d e i m p lí c it a % a a
S mile Ed g e w o r th S mile B S
1 9 ,0 % 2 0 ,5 % 2 2 ,0 % 2 3 ,5 % 2 5 ,0 % 2 6 ,5 %
-4,4 % -3,3 % -1,7 % -1,2 % -0,7 % -0,2 %
0,3% 0,8% 1,3% 2,3% 3,2%
M o n e yn e s s
V o la ti lid a d e i m p lí c it a % a a
O gráfico do smile da volatilidade mostra novamente uma curva menos inclinada
quando calculada a partir do modelo de Edgeworth, ou seja, estamos usando uma função
densidade de probalidade para o ativo-objeto mais próxima (em comparação a uma densidade
normal) da sua distribuição verdadeira.
5.2
T
ESTE DE ERRO DE REBALANCEAMENTOO objetivo deste teste é comparar, sob certas condições, a eficiência do delta-hedging
do modelo de Edgeworth contra o modelo de Black. Este teste será feito da seguinte forma:
- Coletaremos dados sobre os preços das opções de compra de dólar na BM&F da
mesma maneira que no estudo anterior50;
- Calibraremos os parâmetros a serem usados pelo modelo de Edgeworth e pelo
modelo de Black, também como anteriormente;
- Construiremos uma carteira comprada em 100 contratos de opção de compra de dólar
(valor de face de USD 5.000.000) e vendida em delta contratos de dólar futuro de mesmo
vencimento;
- Rebalancearemos o delta da carteira uma vez por dia com base no preço de ajuste do
ativo-objeto divulgado pela BM&F até a data de vencimento da opção51;
- Assumiremos, a partir da calibração dos modelos, que as únicas variáveis que se
alteram até o vencimento da opção são: o preço do ativo-objeto e a taxa de juros livre de
risco52.
O gráfico abaixo mostra a série histórica do dólar futuro (preço de ajuste) com
vencimento em 2-agosto de 2002 desde o dia 22 de maio de 2002.
Série dólar futuro agosto
2500 2800 3100 3400 3700
22/0 5/02
29/0 5/02
05/0 6/02
12/0 6/02
19/0 6/02
26/0 6/02
03/0 7/02
10/0 7/02
17/0 7/02
24/0 7/02
31/0 7/02
Data
C
o
ta
ç
ã
o
e
m
R
$
/
m
il
U
S
D
Figura 10 - Preço de ajuste do dólar futuro agosto/02 (série histórica de 22-maio a 31-julho)
Desta forma, teremos valores diários mostrando qual o tamanho do erro de
rebalanceamento de cada carteira medido em reais, podendo assim comparar o erro gerado
pelo modelo de Edgeworth com aquele produzido pelo modelo de Black. Para facilitar o
entendimento do exercício o apêndice III contém um exemplo numérico.
A partir destes erros diários, construiremos uma média e desvio-padrão que serão
usadas para testar se a média do modelo de Edgeworth é significativamente menor do que a
média de Black.
As tabelas abaixo sumarizam o resultado:
Tabela 1 - Erro de rebalanceamento. Smile obtido no dia 22-maio-02 sobre opções com
vencimento em 02-ago-02.
Modelo Edgeworth Modelo Black
Strike Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
2300 1.824,56 2.187,83 1.819,63 2.332,73 0,01 0,50
2500 1.670,40 3.797,33 1.591,93 3.590,72 0,11 0,46
2700 4.236,45 8.788,37 2.835,65 7.285,98 0,87 0,20
2900 4.403,06 13.147,20 4.493,10 15.215,07 -0,03 0,49
3100 6.394,84 41.275,96 8.381,41 44.475,51 -0,23 0,41
3300 8.134,20 51.428,65 7.740,75 46.266,74 0,04 0,48
3500 150,80 797,07 58,36 347,33 0,75 0,23
Tabela 2 - Erro de rebalanceamento. Smile obtido no dia 23-maio-02 sobre opções com
vencimento em 02-ago-02.
Modelo Edgeworth Modelo Black
Strike Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
2300 1.836,71 2.244,46 1.862,92 2.360,63 -0,05 0,48
2500 1.699,64 3.805,95 1.662,55 3.585,59 0,05 0,48
2700 4.030,47 8.577,89 2.734,90 7.169,15 0,78 0,21
2900 4.134,96 13.747,78 4.331,86 15.729,14 -0,06 0,47
3100 6.017,91 40.875,20 8.472,82 44.512,93 -0,27 0,39
3300 7.999,32 50.925,39 7.823,65 45.952,14 0,02 0,49
3500 179,50 1.014,66 71,05 412,29 0,67 0,25
Tabela 3 - Erro de rebalanceamento. Smile obtido no dia 31-maio-02 sobre opções com
vencimento em 02-ago-02.
Modelo Edgeworth Modelo Black
Strike Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
2300 1.992,14 2.306,01 2.073,38 2.393,29 -0,16 0,44
2500 2.251,80 3.694,20 2.225,75 3.384,45 0,03 0,49
2700 5.098,00 8.836,64 3.620,68 7.367,05 0,83 0,20
2900 5.087,56 14.087,26 5.229,04 16.233,17 -0,04 0,48
3100 7.212,99 43.732,06 9.587,88 47.363,09 -0,24 0,41
3300 9.204,92 54.475,48 8.824,78 49.195,03 0,03 0,49
3500 192,78 937,99 70,43 388,68 0,77 0,22
Tabela 4 - Erro de rebalanceamento. Smile obtido no dia 5-junho-02 sobre opções com
vencimento em 02-ago-02.
Modelo Edgeworth Modelo Black
Strike Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
2300 1.910,02 999,01 2.015,41 927,17 -0,48 0,32
2500 2.100,26 2.612,92 2.177,56 2.499,32 -0,13 0,45
2700 4.832,57 8.503,24 3.474,06 7.166,42 0,75 0,22
2900 4.911,53 15.460,96 5.205,83 17.319,77 -0,08 0,47
3100 7.242,12 44.333,40 10.183,66 48.530,55 -0,28 0,39
3300 9.423,51 54.743,11 9.381,34 49.949,25 0,00 0,50
Cada tabela mostra para diferentes dias de coleta a média e o desvio-padrão (em reais)
do erro de rebalanceamento diário da carteira (cujo valor de face é de USD 5.000.000) para
diferentes preços de exercício. Além disso, é mostrado a estatística t e a correspondente
significância para um teste unicaudal de diferença entre a média calculada pelo modelo de
Edgeworth e aquela do modelo de Black.
As tabelas abaixo mostram o mesmo teste só que agora para uma carteira composta de
três opções nos seguintes strikes: 2500, 2900 e 3300. A motivação deste novo teste é descobrir
se a moneyness das opções influiu de alguma forma no resultado do primeiro teste.
Tabela 5 - Erro de rebalanceamento. Smile obtido no dia 22-maio-02 sobre opções com vencimento
em 02-ago-02.
Modelo Edgeworth Modelo Black
Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
4.735,89 30.625,52 4.608,59 28.111,11 0,04 0,49
Tabela 6 - Erro de rebalanceamento. Smile obtido no dia 23-maio-02 sobre opções com vencimento
em 02-ago-02.
Modelo Edgeworth Modelo Black
Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
4.611,31 30.426,16 4.606,02 28.030,97 0,00 0,50
Tabela 7 - Erro de rebalanceamento. Smile obtido no dia 31-maio-02 sobre opções com vencimento
em 02-ago-02.
Modelo Edgeworth Modelo Black
Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
5.514,76 32.421,41 5.426,52 29.855,24 0,02 0,49
Tabela 8 - Erro de rebalanceamento. Smile obtido no dia 5-junho-02 sobre opções com vencimento em
02-ago-02.
Modelo Edgeworth Modelo Black
Média diária (R$) Desvio-Padrão Média diária (R$) Desvio-Padrão Estat t
α
5.478,43 32.732,76 5.588,25 30.437,07 -0,03 0,49
Vale comentarmos alguns aspectos dos resultados encontrados. Em primeiro lugar, o
tamanho da média diária do erro de rebalancemanto encontrado para os dois modelos é bem
próxima de zero como seria de se esperar para uma carteira livre de risco53.
Em segundo lugar temos uma curiosidade: a média do erro de rebalanceamento foi
positiva para todos os strikes e perídos, ou seja, a carteira comprada em opções de compra de
dólar gerou um resultado positivo. Este resultado pode ser explicado da seguinte maneira: em
todos os dias de coleta de dados, a volatilidade implícita no preço das opções girava em torno
de 17% a.a. para o período. No entanto, como a taxa de câmbio teve um comportamento
“explosivo” perto do vencimento do contrato de opções54, a sua volatilidade realizada foi bem
maior do que a implícita, ficando em torno de 28% a.a. no período. Portanto, o resultado final
positivo veio de uma posição comprada em opções que se mostrou lucrativa visto que o preço
pago pela volatilidade implícita ficou bem abaixo da volatilidade final realizada pelo
ativo-objeto.
Finalmente, vemos que o desvio-padrão da média diária varia bastante entre os
diferentes strikes. A explicação para este resultado é parecida com a anterior, ou seja, reside
no fato da taxa de câmbio ter tido um comportamento muito volátil perto do vencimento do
contrato de opções. Como o ativo-objeto55 teve uma alta de 15% nos últimos quatro dias de
negociação, passando de 2983 a 3428.50, as opções com strike-prices perto destes valores
tiveram um erro de rebalanceamento muito grande, visto que a volatilidade do ativo-objeto
estava muito alta e a sensibilidade destas opções a uma variação no preço deste ativo também
era alta56.
54 Ver figura 10.
55 Contrato de dólar futuro com vencimento em 2 de agosto de 2002.
6.
C
ONCLUSÃO
Infelizmente o que podemos notar é que o modelo de Edgeworth não apresenta ganhos
estatisticamente significantes para este teste de eficiência de hedging, o que nos levaria a
descartar seu uso, visto que o modelo de Black é operacionalmente mais fácil de ser
implementado.
Uma das possíveis explicações para este resultado pode estar no fato de não podermos
usar quaisquer valores de assimetria e curtose para ajustar o modelo. Na verdade, praticamente
todas as calibrações feitas neste trabalho nos deram um resultado de canto, mostrando que se
fosse possível teríamos parâmetros de assimetria e/ou curtose maiores do que o permitido pela
expansão de Edgeworth. Talvez uma nova função densidade de probabilidade que fosse mais
flexível para se ajustar melhor à distribuição verdadeira do ativo-objeto traria ganhos efetivos
na precificação e hedging de uma carteira de opções.
No entanto, como o modelo de Edgeworth nos permite extrair algumas informações
acerca da distribuição de probabilidade esperada para o ativo-objeto em uma data futura, a
partir de dados de mercado, poderíamos imaginar a sua utilização na área de risk-management,
por exemplo. A partir dos parâmetros estimados de curtose e assimetria, poderíamos fazer
simulações de Monte-Carlo ou algum ajuste de VaR que levasse em conta esta distribuição
Uma outra sugestão para estudos futuros seria a utilização da expansão de Edgeworth
para gerar uma função densidade de probabilidade dependente de mais momentos além dos
quatro primeiros. Talvez desta forma teríamos ganhos de informação e de eficiência que
7.1
A
PÊNDICE
I
Prova do resultado n
n
n t
t) { ( )}
(
χ
χ
= .[
]
[
]
= = − = = n i i n n n X n X e X n S onde itS Exp E t 1 1 , ) (σ
µ
χ
− = − = σ µ σ µ χ i n X n n it Exp E X n it Exp E t 1 ) ((
−)
= − σ µ σ µ i i X n it Exp E n X n it Exp E n n n t X n it ExpE − =
χ
( )7.2
A
PÊNDICE
II
Fórmula fechada para uma opção de compra européia.
onde Φ
[ ]
x representa a função normal acumulada et t S K x
σ
µ
− = ) ln( 0 min .[
]
[
]
[
min]
))8.
B
IBLIOGRAFIA
Ait-Sahalia, Y. (2002) “Telling From Discrete Data Whether The Underlying
Continuous-Time Model is a Diffusion”. Journal of Finance, vol 57, 2075-2112
Barton, D., Dennis, K.. (1952) “The conditions under which Gram-Charlier and Edgeworth
curves are positive definite and unimodal”. Biometrika nº 39, 425-427
Billingsley, P.. (1995) “Probability and Measure”. 3ª ed. Wiley & Sons.
Black, F. (1976) “The Pricing of Commodity Contracts”. Journal of Financial Economics nº
3, 167-179.
Hall, P. (1992) “The Bootstrap and Edgeworth Expansion”. Springer-Verlag
Hull, J., (1997) “Options, Futures and other Derivatives”. 4ª ed. Prentice-Hall.
Jarrow, R., Rudd, A. (1982) “Approximate Option Valuation for Arbitrary Stochastic
Process”. Journal of Financial Economics nº10, 347-369
Johnson, N., Kotz, S., Balakrishann, N.. (1994) “Continuous Univariate Distributions”.
Johnson, N., Kotz, S., Kemp, A.. (1992) “Univariate Discrete Distributions”. 2ª ed. Wiley &
Sons.
Kendall, M., Stuart, A.. (1963) “The Advanced Theory of Statistics”. 2ª ed. Charles Griffin
& Company
Mittelhammer, R.. (1996) “Mathematical Statistics for Economics and Business”. Springer
Rubinstein, M (1994) “Implied Binomial Trees”. The Journal of Finance nº 3, 771-818.
Rubinstein, M. (1998) “Edgeworth Binomial Trees”. Journal of Derivatives nº 3, 20-27
Wilmott, P ,Howison, S., Dewynne,J.. (1995) “The Mathematics of Financial Derivatives”.
Cambridge University Press